#dôveryhodná AI

Nová práca na arXive rieši, ako kombinovať viac štatistických testov v situáciách, kde medzi dátami nepoznáme zložité závislosti. Pre AI je to dôležité najmä pri hodnotení modelov, auditoch a sekvenčných experimentoch, kde zle kalibrované dôkazy môžu viesť k príliš sebavedomým záverom.

Nový preprint analyzuje nástroje a značky dôveryhodnej AI z databázy OECD. Upozorňuje, že certifikácie a checklisty sa sústreďujú najmä na férovosť a transparentnosť, no slabšie pokrývajú bezpečnosť, vysvetliteľnosť a celý životný cyklus systémov.